聚苯胺-二氧化铈氨气传感器温湿度补偿方法研究.pdfVIP

摘要

随着人们对空气质量越来越关注，气体传感器因体积小、成本低等优点在气

体检测领域逐渐流行。然而，大部分气体传感器容易受环境因素的影响，其中温

度、湿度带来的影响尤为显著。本课题组经过多年的研究已经熟练掌握了聚苯胺-

二氧化铈（PANI-CeO）复合薄膜氨气（NH）传感器的响应原理与制备方法，

23

本文对该传感器的温湿度进行了系统的研究，并设计了重叠分块多元线性回归与

局部高斯过程回归两种温湿度补偿方法进行温湿度补偿，主要工作如下。

对PANI-CeO2NH3传感器进行数据采集，分析了温湿度的影响规律。

PANI-CeO2NH3传感器是通过在柔性聚酰亚胺（PI）衬底上原位自组装PANI-CeO2

纳米复合薄膜制备所得。在温度10℃~50℃，相对湿度20%RH~70%RH，浓度

10ppm~50ppm范围下，获取150组样本数据。通过分析可知，传感器对NH3的

响应具有较好的线性度；在同一温度下，响应随着湿度值的增长，10℃~40℃下

响应值大致呈先减小再增大的趋势；50℃下响应值随着湿度的增大而减小，不再

存在回升过程；响应随着温度的增大而减小。

提出了一种重叠分块多元线性回归温湿度补偿方法。首先根据数据变化规律

对数据进行重叠分块处理，既避免了不同变化规律的数据带来的误差，又保证了

前后数据之间的规律连续性；然后建立以温度、湿度、浓度为输入，响应为输出

的多元线性回归模型，对异常点进行筛选与修正；最后通过最小二乘法拟合出未

知参数，并通过逆运算求出浓度的拟合表达式。

提出了一种局部高斯过程回归温湿度补偿方法。构造以温度、湿度、浓度和

响应为特征的数据点集，通过自适应匹配K邻居（KNN）算法找出最佳K值及K

个邻居点，由这些邻居点进行高斯过程回归，实现了基于小样本预测浓度值，大

大减小了计算量。

仿真结果表明：局部高斯过程回归温湿度补偿方法比重叠分块多元线性回归

温湿度补偿方法具有明显的优势。后者的预测浓度的绝对误差为1.28ppm，相对

误差平均值为4.64%；前者的预测浓度的绝对误差的平均值为0.19ppm，相对误

差的平均值为0.65%。

关键词：PANI-CeO2NH3传感器，温湿度补偿，重叠分块多元线性回归，局部高

斯过程回归

ABSTRACT

Aspeoplepaymoreandmoreattentiontoairquality,gassensorsaregradually

becomingpopularinthefieldofgasdetectionduetotheirsmallsizeandlowcost.

However,mostgassensorsareeasilyaffectedbyenvironmentalfactors,especiallythe

influenceoftemperatureandhumidity.Afteryearsofresearch,ourresearchgrouphas

masteredtheresponseprincipleandpreparationmethodofpolyaniline-ceria

(PANI-CeO)compositethinfilmammonia(NH)sensor,butitstillcannotsolvethe

23

problemofitsinfluencebytemperatureandhumidity.Inthispaper,thetemperature

andhumidityofthesensorisstudiedsystematically,andtwotemperatureandhumidity